El modelo se inventa sus propias tareas, monta el banco de pruebas para medirlas y luego se entrena con el resultado; y DeepReinforce ha regalado los pesos

DeepReinforce publicó Ornith-1.5 el 19 de agosto en tres tamaños de pesos abiertos: una mezcla de expertos de 397.000 millones de parámetros, otra de 35.000 millones que activa 3.000 millones por token y un modelo denso de 9.000 millones, todos con licencia MIT y los pesos en Hugging Face. Lo interesante no son los tamaños. En lugar de aprender de un conjunto fijo de tareas escritas por personas, el modelo propone las suyas, puntúa cada una por validez, dificultad y novedad, escribe el andamiaje necesario para ejecutarla y genera intentos de solución que realimentan el aprendizaje por refuerzo. El equipo lo describe como cerrar el círculo del autoandamiaje a la automejora. Según las cifras del propio laboratorio, el modelo de 397B obtiene 86,1 en Terminal-Bench 2.1 y 56,0 en DeepSWE, frente a 85,0 y 59,0 de Claude Opus 4.8 y 82,7 y 46,2 de GLM-5.2; en GPQA Diamond declara 92,8. La ventana de contexto es de 262.144 tokens y el modelo completo pesa unos 800 gigabytes en BF16, de modo que abierto no significa aquí que funcione en tu portátil. Eso lo hace la versión de 9B, con 47,0 en Terminal-Bench 2.1 y 70,6 en SWE-bench Verified.

✓ Verificado · 4 fuentes

Noticias relacionadas